神经网络—性能学习与线性分类器之间的关系探讨

        大家好，我是一名普通的机器学习的爱好者，现在正在学习戴葵翻译的《神经网络设计》一书，个人觉得这是一本较为基础的神经网络方面的入门教材，仔细阅读必定会受益匪浅。

         这本书的第八章里面引入了性能学习的概念，我对此有几点疑惑想请教各位达人，还望各位高手不吝赐教：

1 性能指标函数 F(x) 如何确定

2 特征值向量与 F(x) 之间的关系

         现在来解释一下我为何会对这两点产生疑惑：

         第一，我们在解决实际问题的时候没有现成的性能指标 F(x)，必须要自己确定。但从第八章的内容来看，性能学习与教材前面介绍的感知机等线性分类器不同，只有权重系数向量x 跟相应的常系数矩阵（比如二次函数中的A d c），而线性分类器中的特征值向量（并非线性代数中的“特征向量”概念，特征值向量指的是构成判断素材的特征的值作为元素的向量）以及对应的标签全不见了，这一点让我有些不是很理解：我的目的是求得权重向量来对当下的数据进行分类，假设感知机得到了一套权重向量，这个时候还需要性能指标F(x)干什么？如果说性能学习是对线性分类器的性能做出评价的话，难道性能学习还能改动已经确定的权重向量吗？

        第二，在性能指标函数F(x)中已经去掉了特征值向量，那么经过性能学习得到的权重向量是否能指导线性分类器对当下进行分类？分类的结果能否保证可靠？

        话有些啰嗦，但意思基本表达出来了，希望同好达人能帮我解决这个疑惑，谢谢。